基于不同周期PM2.5组成高时间分辨观测的PMF源解析研究

于2017年1月1日—12月31日对南京市城区大气细粒子(PM_2.5)化学组分（元素、水溶性离子和碳质组分）的小时质量浓度进行连续观测,采用正矩阵因子分析（Positive Matrix Factorization,PMF）模型分别基于全年观测数据（PMF全年）和逐月观测数据（PMF月份）进行源解析,比较不同观测周期源解析结果的差异以及对PM_2.5各组分浓度估算的准确性.结果表明：不同观测周期下,PMF源解析结果中因子类型未发生改变,但因子组成和贡献分布存在较大差异.由于PMF模型假设同一观测周期内源成分谱不发生变化,只有基于逐月观测数据的PMF源解析才能体现全年范围内因子组成和贡献分布的变化.尽管PMF全年和PMF月份的分析结果均能准确估算PM_2.5组分的月均浓度,但PMF月份结果对各组分小时浓度的估算值和观测值在时间变化上更一致.这是因为PMF模型要求对各组分浓度的平均值进行拟合,易低估（或高估）PM_2.5组分在观测周期内的极大（或极小）值.因此,基于短期（例如,月份）高分辨观测数据的PMF分析...     

黄河三角洲典型城市夏季臭氧污染特征与敏感性分析

为探究黄河三角洲代表性城市东营市夏季环境空气臭氧(O₃)污染成因,利用2021年6月东营市大气超级站监测数据与基于观测的化学盒子模型(OBM),较为全面地分析了O₃污染特征与O₃生成敏感性机制,并开展了前体物减排效果评估. 结果表明:①2021年6月东营市O₃污染较严重,O₃污染天〔日最大8 h平均O₃浓度值(MDA8-O₃)≥160 μg/m3〕占比达50.0%,MDA8-O₃、挥发性有机物(VOCs)和氮氧化物(NO_x)浓度平均值较非污染天分别升高70.0%、10.4%和7.6%. ②O₃污染天呈高温、低湿的特点,O₃浓度与温度的相关性在污染天显著增强. ③基于本地化的O₃生成潜势计算表明,与非污染天相比,污染天异戊二烯、乙烯和甲苯对O₃生成潜势的贡献分别增加了114.3%、68.6%和38.2%. ④污染天O₃本地净生成速率明显升高. O₃生成处于VOCs-NO_x协同控制区,减少VOCs和NO_x排放均可有效降低O₃生成. 研究显示,现阶段东营市应实施VOCs/NO_x协同减排比例大于或等于1∶1的减排策略,污染天(尤其是夜间)应加大NO_x及VOCs减排力度,减轻污染天温度升高及植物源排放增加等不可控因素对O₃污染的影响.      

干旱区云凝结核分布及其影响因子的观测研究

利用DMT CCN仪对宁夏盐池、银川地区地面及高空的云凝结核(CCN)进行实时连续观测.大量资料分析结果表明, CCN日变化明显,受人为因素影响,清晨和傍晚出现高值.夜晚温度与CCN浓度呈正相关,白天相反;强降水对CCN具有一定冲刷作用;沙尘气溶胶没有有效增加盐池地区的CCN浓度.与华北地区比较,银川、盐池地区CCN浓度偏低.此外,研究表明,过饱和度越高,活化CCN浓度越大.根据N=CSK拟合活化谱,银川属于典型大陆性核谱.由于云内清除作用,高空CCN浓度下降明显,但逆温层的存在使得该区CCN浓度累积增加.     

基于遥感-过程耦合模型的地表蒸散量应用研究

作为陆面过程中地气相互作用的重要过程之一,蒸散发(Evapotranspiration,ET)在地球的大气圈-水圈-生物圈中发挥着重要作用。利用遥感-过程耦合模型BEPS,以中分辨率成像光谱仪(MODIS)数据和NCEP/NCAR再分析资料为主要输入,模拟分析了2007-2009年美国区域的地表ET,同时利用通量观测网AmeriFlux的站点观测数据验证该模型在ET模拟研究中的可靠性与适应。结果表明：12个站点通量实测值与BEPS模型模拟的ET值的相关系数为0.7297(P<0.05),表明BEPS模型能够较好的模拟研究区的地表ET。ET在1年内呈现明显的单峰趋势,5-9月ET值较高,可达60 mm·mon-1以上,最小值在1月份,值为8.39 mm·mon-1,最大值在7月份,值为118.04 mm·mon-1。该区域ET的平均年总量为505 mm·a-1。受地形、气候的影响,ET最高值对应于南部区域,这些地区ET的年总量普遍在600 mm·a-1以上,最高值为1667 mm·a-1,对应的主要覆被类型为草地和农田;中北部和东部的大部分区域ET年总量为400~600 mm·a-1;ET最小值在西部区域,年总量小于400 mm·a-1,对应覆被类型为疏林地和混交林。降水量与ET差值呈现从东向西逐渐递减的趋势,最小值主要分布在西部沙漠。整个研究区域ET与降水量之比的平均值为0.72,由东向西基本呈现增加趋势,在西部以及中北部的部分地区比值达到最大。     

长江三角洲背景地区CO2浓度变化特征研究

通过分析2009年1月~2010年12月临安区域大气本底站在线观测获得的CO2浓度,研究地面风向、地面风速、气团输送等因素对长江三角洲背景地区CO2浓度的影响.结果表明,临安站CO2浓度的日变化分布表现为单峰型形态,下午低、凌晨高,浓度日变幅在9.5′10-6~44.3′10-6 (V/V)之间;季节变化特征表现为冬春季高,夏季低,浓度年较差为10.1′10-6 (V/V).通过分析地面风向、地面风速和气团输送等因素对临安站CO2浓度的影响表明,引起CO2浓度升高的地面风向夏季主要为NW~NNE,冬季主要为NNE~ESE;地面风速越大,CO2浓度越小;气团远距离输送的影响主要取决于气团途径区域的CO2排放情况.     

在红水河水体下采煤的实践

中许斜井2001年至2003年在红水河下123采区进行了采煤,累计采出煤炭149193.85t。回采后经过多年长期水文观测,123采区涌水量没有明显变化,说明中许斜井在红水河下采煤是成功的。     

2004年12月26日印尼8.7级强震后江苏地区同震效应分析

在2004年12月26日印尼苏门答腊北部发生8.7级强烈地震后,对江苏省地震前兆观测资料进行了及时的清理和分析,发现凡是能监测地下应力活动的前兆观测手段,如应变、地倾斜、水温和水位,在这次特大地震的震后都记录到了显著的异常,且异常的表现形式各不相同,将这些异常列出并浅析之,以期对进一步深入研究这次地震对我国未来地震趋势的影响有所帮助。     

南京江北化工园区挥发性有机物走航观测

挥发性有机物（VOCs）是大气中1类具有较大健康危害的污染物,同时也是大气中二次有机气溶胶和臭氧生成的重要前体物。首次使用搭载了单光子电离质谱仪（SPI-MS）的走航观测车,在2018年3月对南京江北化工园区环境空气中的VOCs进行了为期4 d的走航观测。观测期间,总VOCs的平均浓度为133.3 μg/m3,夜间平均浓度（143.6 μg/m3）较日间（123.1 μg/m3）偏高,工作日平均浓度（226.7 μg/m3）远高于周末（39.9 μg/m3）。同时还获得了高时间和高空间分辨率的VOCs分布特征,并详细分析了走航路线途经的3个重点区域（南钢-南化、扬子石化和化工大道区域）的特征污染物、浓度变化及主要排放源（企业）。总体来看,VOCs组成以烷烃和芳香烃浓度占比最大（均为31%）,其次为烯烃（25%）和卤代烃（13%）;但对臭氧生成潜势的贡献,则是烯烃最大（56%）,其次为芳香烃、烷烃和卤代烃,分别占32%、9%和3%。该结果为化工园区VOCs的减排管理及区域臭氧污染控制提供参考。     

基于质子转移飞行时间质谱法对苏州市冬季大气VOCs的观测研究

为分析苏州市城区冬季VOCs污染水平、变化特征及污染来源,采用质子转移飞行时间质谱仪（PTR-TOF-MS）进行走航和定点观测.结果表明:①城区中心走航期间总挥发性有机物（TVOC）平均浓度为95.00 μg/m3,环高架快速路走航期间TVOC平均浓度为131.48 μg/m3,定点观测期间TVOC平均浓度为72.85 μg/m3.对比其他城市城区,苏州市城区VOCs污染较轻,环境空气质量处于优良水平（浓度数据基于PTR-TOF-MS所能观测物种）.②走航及定点观测期间平均浓度最高的均为含氧挥发性有机物（OVOC）,城区中心走航区域OVOC占比为35.83%,环高架快速路走航区域OVOC占比为43.33%,定点观测（处于闹市区）期间OVOC占比为33.36%.③观测期间对OFP贡献较大组分为OVOCs、烯烃、芳香烃.结合无机物种定点观测数据发现,VOCs和NO₂的浓度峰值与PM_2.5浓度峰值变化趋势一致.结合VOCs浓度呈早晚高峰的日变化规律,判断机动车尾气可能是VOCs、NO₂、PM_2.5的主要排放源之一.④特征比值法判断观测期间空气老化程度较高,苯系物主要来自交通源和燃料燃烧源.PMF（正矩阵因子分解法）源解析结果表明,VOCs污染源包括溶剂使用源、空气老化和二次形成源、植物源、交通源、工业源,结合非参数风回归模型（NWR）评估污染主要来自定点观测点北方的工业企业以及东南方向的环高架快速行驶的机动车,与走航观测高值点位一致.利用MIR系数法得出5类VOCs来源因子,其OFP贡献率依次为空气老化和二次形成源>溶剂使用源>植物源>交通源>工业源.研究显示,苏州市需加强管控溶剂使用行业的VOCs排放量,倡导在上下班高峰期、周末使用公共交通出行,减少机动车尾气排放,可以有效减少当地O₃生成.      

平凡的大学问家--怀念秦馨菱先生

一天去地质大学办事,在学校国际学术交流中心的走廊里,无意间看到墙上悬挂着地学界许多德高望重的老先生的照片。一幅一幅看下去,有的熟悉,有的陌生。忽然,在一面墙的拐角处,我看到了秦馨菱先生。这是一幅近年的照片,鹤发童颜的秦先生如往常一样,平静的脸上挂着淡淡的微笑,站在一台仪器边。老先生一生多与仪器打交道,选择这样